論文の概要: Adaptive Computation with Conformal Certification

• arxiv url: http://arxiv.org/abs/2610.19189v1
• Date: Tue, 13 Oct 2026 20:53:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.808512
• Title: Adaptive Computation with Conformal Certification
• Title（参考訳）: Conformal Certification を用いた適応計算
• Abstract要約: 本研究では,不確実性を考慮したスパース計算におけるリスク保証付きtextitConformal Adaptationを提案する。 本稿では,3次元医用画像のセグメンテーション,2次元銀河フラックス予測,および1次元カルシウムスパイクレート予測などの複数のタスクについてベンチマークを行った。
• 参考スコア（独自算出の注目度）: 2.2549164963470196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific imaging data involving medical (e.g., 3D radiographic, microscopic images) and astronomical sensors pose different challenges from natural images. One key challenge is that these datasets are often orders of magnitude larger than natural images. Efficient training and inference on such data is challenging due to the increased hardware requirements, often needing bespoke solutions. Moreover, the relevant objects such as tumors and astronomical phenomena are sparsely distributed with respect to the background information. Standard efficiency techniques like quantization and pruning apply uniform scaling of all regions, potentially compromising the precision/fidelity of predictions. Thus, efficient methods that reduce computational requirements without losing resolution for relevant parts of the data and with uncertainty estimates on predictions are essential. We present \textit{Conformal Adaptation} with risk guarantees for uncertainty-aware sparse computations. Our formalism is general, spanning dense pixel-level classification and regression tasks where hierarchical models predict at low resolution, certify the signal using conformal risk control, and refine the certified predictions. We benchmark our method on multiple tasks such as 3D medical image segmentation, 2D galaxy flux prediction, and 1D calcium spike rate prediction, achieving $2.5$--$72\times$ wall-clock speedup across the various tasks, including on commodity CPUs.
• Abstract（参考訳）: 医学的データ(例:3Dラジオグラフィー、顕微鏡画像)と天文学的なセンサーは、自然画像とは異なる課題を生んでいる。 重要な課題の1つは、これらのデータセットが自然画像よりも桁違いに大きいことだ。 このようなデータに対する効率的なトレーニングと推論は、ハードウェア要件が増大し、しばしば目覚ましいソリューションを必要とするため、難しい。 また、背景情報に関して、腫瘍や天文学現象などの関連物は疎らに分布する。 量子化やプルーニングのような標準的な効率技術は、全ての領域の均一なスケーリングを適用し、予測の正確さと忠実さを妥協させる可能性がある。 したがって、データの関連部分の分解能を損なわず、予測の不確かさを見積もることなく、計算要求を削減できる効率的な手法が不可欠である。 本稿では,不確実性を考慮したスパース計算のリスク保証を付した \textit{Conformal Adaptation} を提案する。 我々のフォーマリズムは一般に、階層モデルが低解像度で予測し、共形リスク制御を用いて信号を認証し、認証された予測を洗練する高密度ピクセルレベルの分類と回帰タスクにまたがっている。 提案手法は, 医用画像のセグメンテーション, 2次元銀河フラックス予測, 1次元カルシウムのスパイクレート予測などの複数のタスクに対して, 2.5$--$72\times$wall-clock speedupを達成し, 商品CPUを含む様々なタスクにおけるウォールクロックの高速化を実現した。

関連論文リスト

• Deep Learning-Based Characterization of Detonation-Cell Size Distributions in Soot-Foil Records [2.238128434525916]
  深層学習インスタンスセグメンテーション(Mask R-CNN)に基づくデトネーションセルの自動認識と高次特徴抽出手法を提案する。 その結果、ベンチマーク検証における高ピクセルレベルの一致と、複雑な現実世界のすすきのノイズに対する強靭性を示す。 提案手法は, 統計的解析の効率性と客観性を向上し, 実験用および数値用スズホイルのための強力なデータ抽出ツールを提供する。
  論文  参考訳（メタデータ） (2026-07-04T08:32:39Z)
• Bridging the Gap Between Ideal and Real-world Evaluation: Benchmarking AI-Generated Image Detection in Challenging Scenarios [54.07895223545793]
  本稿では,実世界ロバストネスデータセット(RRDataset)を導入し,3次元にわたる検出モデルの包括的評価を行う。 RRDatasetには7つの主要なシナリオの高品質なイメージが含まれている。 我々はRRDataset上で17の検出器と10の視覚言語モデル(VLM)をベンチマークし、大規模な人間実験を行った。
  論文  参考訳（メタデータ） (2025-09-11T06:15:52Z)
• QUTCC: Quantile Uncertainty Training and Conformal Calibration for Imaging Inverse Problems [9.910688414749654]
  ディープラーニングモデルは、しばしば幻覚を与え、サンプルに存在しない現実的なアーティファクトを生成します。 これは、MRIや顕微鏡検査のような科学的および医学的な逆問題に恐ろしい結果をもたらす可能性がある。 量子不確実性トレーニングと校正技術であるQUTCCを提案する。
  論文  参考訳（メタデータ） (2025-07-19T21:44:14Z)
• Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
  異常検出は、医学診断や工業的欠陥検出などの分野において重要である。 CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。 クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
  論文  参考訳（メタデータ） (2025-04-15T10:42:25Z)
• Discriminative Hamiltonian Variational Autoencoder for Accurate Tumor Segmentation in Data-Scarce Regimes [2.8498944632323755]
  医用画像分割のためのエンドツーエンドハイブリッドアーキテクチャを提案する。 ハミルトン変分オートエンコーダ(HVAE)と識別正則化を用いて生成画像の品質を向上する。 我々のアーキテクチャはスライス・バイ・スライス・ベースで3Dボリュームを分割し、リッチな拡張データセットをカプセル化する。
  論文  参考訳（メタデータ） (2024-06-17T15:42:08Z)
• Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
  我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。 レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
  論文  参考訳（メタデータ） (2023-10-10T20:11:13Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Uncertainty-aware GAN with Adaptive Loss for Robust MRI Image Enhancement [3.222802562733787]
  条件付き生成逆数ネットワーク (GAN) は, 画像-画像-画像マッピングの学習において, 性能が向上している。 本稿では,(i)OODノイズデータに対するロバスト性を考慮した適応損失関数をモデル化し,(ii)予測におけるボクセル当たりの不確かさを推定するGANベースのフレームワークを提案する。 医用画像における2つの重要な応用として, (i) 磁気共鳴画像(MRI) 再構成 (ii) MRI のモダリティ伝搬について検討した。
  論文  参考訳（メタデータ） (2021-10-07T11:29:03Z)
• Adversarial Semantic Data Augmentation for Human Pose Estimation [96.75411357541438]
  本研究では,セマンティックデータ拡張法 (SDA) を提案する。 また,適応的セマンティックデータ拡張 (ASDA) を提案する。 最先端の結果は、挑戦的なベンチマークで得られます。
  論文  参考訳（メタデータ） (2020-08-03T07:56:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。